On on yılı aşkın süredir, silisyum karbürün ticari yükselişi tek bir büyük endüstriyle yakından bağlantılı olmuştur: elektrikli araçlar.

Daha yüksek voltajlı çekiş invertörleri, araç içi şarj cihazları ve hızlı şarj sistemleri, SiC güç cihazları için ideal bir ortam yarattı. Elektrikli araçlar daha yüksek verimliliğe ve daha yüksek sistem voltajına doğru ilerledikçe, silisyum karbür özel bir yarı iletken malzemeden büyük bir güç elektroniği platformuna dönüştü.

Şimdi başka devasa bir pazar ortaya çıkıyor.

Tekerlekleri yok.

İşlemcilerle dolu binaların içinde oturuyor.

Yapay zeka, veri merkezlerini dünyanın en hızlı büyüyen elektrik yüklerinden bazılarına dönüştürüyor.

Uluslararası Enerji Ajansı'na göre, 2024 yılında küresel veri merkezi elektrik tüketimi yaklaşık 415 TWh idi. Temel senaryo projeksiyonuna göre, tüketim 2030 yılına kadar yaklaşık 945 TWh'ye ulaşabilir. Yapay zeka tarafından büyük ölçüde yönlendirilen hızlandırılmış sunuculardan kaynaklanan elektrik tüketiminin, geleneksel sunucu elektrik kullanımından çok daha hızlı büyümesi bekleniyor.

Amerika Birleşik Devletleri değişimin ölçeğini gösteriyor. 2026 yılı ulusal laboratuvar güncellemesi, veri merkezlerinin 2030 yılına kadar ABD elektriğinin yaklaşık %11,8'ini referans senaryosunda tüketebileceğini ve modellenen senaryoların %9,5 ila %15,3 arasında değiştiğini tahmin ediyor.

Bu elektrik talebi patlaması, güç yarı iletken endüstrisi için önemli bir soru yaratıyor:

Yapay zeka altyapısı, elektrikli araçlardan sonra silisyum karbür için ikinci büyük büyüme pazarı olabilir mi?

Cevap, yapay zeka işlemcilerinin kendilerinden çok, onlara elektrik sağlamak için gereken her şeye daha az bağlı olabilir.

Yapay Zeka Yalnızca Bir Hesaplama Devrimi Değil, Bir Güç Elektroniği Devrimi Oluyor

İnsanlar yapay zeka altyapısını düşündüğünde, dikkat genellikle işlemcilere, belleğe, ağa ve soğutmaya gider.

Ancak her yapay zeka hızlandırıcısı nihayetinde çok daha büyük bir elektrik sistemine bağlıdır.

Elektrik, işlemciye ulaşmadan önce birkaç aşamadan geçebilir:

Şebeke → Transformatör → AC/DC Dönüşümü → UPS veya Enerji Depolama → Yüksek Gerilim DC Dağıtımı → Raf Güç Dönüşümü → Sunucu → Yapay Zeka Hızlandırıcısı

Her dönüşüm aşaması elektriksel kayıplara neden olur.

Küçük ölçekte, yüzde bir kesir önemsiz görünebilir.

Büyük bir yapay zeka kampüsünün ölçeğinde, ekonomik olarak önemli hale gelir.

Yapay zeka dağıtımı genişledikçe, veri merkezleri aynı anda şunlarla ilgileniyor:

• daha yüksek tesis gücü;
• daha yüksek raf güç yoğunluğu;
• daha yüksek soğutma yükleri;
• daha büyük yedek güç sistemleri;
• daha talepkar şebeke bağlantıları;
• ve enerji verimliliğini artırmak için daha güçlü baskı.

IEA, yapay zekanın yükselişinin yüksek performanslı sunucuların dağıtımını hızlandırdığını ve veri merkezi güç yoğunluğunu artırdığını belirtiyor. Hızlandırılmış sunucular, temel senaryosunda 2030 yılına kadar küresel veri merkezi elektrik tüketimindeki öngörülen net artışın neredeyse yarısını oluşturuyor.

Bu, verimli güç elektroniğinin stratejik olarak önemli hale geldiği tam olarak bu tür bir ortamdır.

Ve silisyum karbürün hikayeye girdiği yer burasıdır.

Neden Silisyum Karbür Yüksek Güçlü Yapay Zeka Altyapısına Uygun

Silisyum karbür, geniş bant aralıklı yarı iletken malzemeler ailesine aittir.

Geleneksel silikonla karşılaştırıldığında, SiC güç cihazları yüksek voltaj, yüksek anahtarlama performansı ve yüksek güç yoğunluğu içeren zorlu güç dönüştürme koşullarını destekleyebilir.

ABD Enerji Bakanlığı, veri merkezleri, endüstriyel ekipmanlar, elektrikli araçlar ve diğer elektrifikasyon sistemleri dahil olmak üzere daha güçlü ve enerji açısından daha verimli güç elektroniği sistemlerini mümkün kılan SiC ve GaN gibi geniş bant aralıklı teknolojileri özel olarak tanımlamaktadır.

Önemli bir fayda, geniş bant aralıklı cihazların daha yüksek anahtarlama frekanslarını destekleme yeteneğidir.

Daha yüksek anahtarlama frekansı, indüktörlerin, kapasitörlerin ve diğer pasif bileşenlerin gerekli boyutunu azaltabilir, potansiyel olarak daha küçük ve daha güç yoğun dönüştürücü sistemler sağlayabilir.

Yapay zeka altyapısı için bu üç nedenden dolayı önemlidir:

verimlilik, alan ve ısı.

Daha verimli bir dönüştürücü daha az elektrik israf eder.

Daha kompakt bir dönüştürücü daha az fiziksel alan kullanır.

Ve daha düşük dönüşüm kayıpları, daha az ısının giderilmesi gerektiği anlamına gelir.

Yapay zeka veri merkezi ölçeğinde, her üçü de önemlidir.

Gerçek SiC Fırsatı Yapay Zeka Çipinin İçinde Değil

Bir noktayı açıklığa kavuşturmak önemlidir.

Yapay zekanın yükselişi, SiC'nin aniden yapay zeka işlemcilerini üretmek için kullanılan malzeme olacağı anlamına gelmez.

Bu birincil fırsat değil.

Çok daha büyük fırsat, bu işlemcileri çevreleyen güç altyapısındadır.

Yapay zeka hızlandırıcısını son varış noktası olarak düşünün.

Silisyum karbür, onu besleyen elektrik otoyolunda yer alabilir.

Potansiyel uygulamalar şunları içerir:

• yüksek güçlü AC/DC dönüşümü;
• güç faktörü düzeltme aşamaları;
• UPS sistemleri;
• pil yedekleme sistemleri;
• yüksek voltajlı DC dönüşümü;
• enerji depolama arayüzleri;
• orta voltajlı dönüşüm;
• soğutma sistemi motor sürücüleri;
• şebekeye bağlı güç sistemleri;
• ve gelecekteki katı hal güç dağıtım mimarileri.

Bu ayrım önemlidir.

Yapay zeka tarafından yaratılan SiC fırsatı öncelikle bir hesaplama yarı iletken fırsatı değildir.

Bu bir güç yarı iletken fırsatıdır.

800V DC Önemli Bir Dönüm Noktası Olabilir

Belki de en ilginç gelişme veri merkezi güç dağıtımında yaşanıyor.

Raf gücü yükseldikçe, nispeten düşük voltajda muazzam miktarda güç dağıtmak giderek zorlaşıyor.

Nedeni temel elektriksel ilişkilerden gelir.

Güç yaklaşık olarak şöyledir:

P = V × I

Aynı güç seviyesi için voltajı artırmak akımı azaltır.

Ve iletken kayıpları akımın karesiyle yaklaşık olarak artar:

Güç kaybı ∝ I²R

Bu nedenle daha düşük akım, direnç kayıplarını azaltmaya ve güç dağıtımı için gereken bakır miktarını azaltmaya yardımcı olabilir.

Bu, yapay zeka altyapısı endüstrisinin çok daha yüksek DC dağıtım voltajlarını araştırmasının nedenlerinden biridir.

Temmuz 2026'da büyük bir açık bilişim endüstrisi etkinliğinde, tartışmalar özellikle 800V yüksek voltajlı DC dağıtımını ve yük yakını güç teslimini, yeni nesil yapay zeka veri merkezleri için önemli teknolojiler olarak belirledi. Aynı etkinlik, megawatt sınıfı yapay zeka rafları için 800V DC sistemlerine doğru evrimi tartıştı.

Bu gelişme silisyum karbür endüstrisinin dikkatini çekmelidir.

Neden?

Çünkü güç sistemi voltajı, SiC'yi giderek daha çekici hale getiren bir alana doğru hareket ediyor.

Yapay Zeka Veri Merkezleri EV Güç Mimarisi Hikayesinin Bir Kısmını Tekrarlayabilir

Otomobiller ve yapay zeka altyapısı arasında ilginç bir paralellik var.

Elektrikli araçlar nispeten daha düşük voltajlı mimarilerle başladı.

Üreticiler istediğinde:

• daha hızlı şarj;
• daha yüksek güç;
• daha düşük akım;
• geliştirilmiş verimlilik;
• ve daha hafif elektrik sistemleri,

daha yüksek voltajlı platformlar giderek daha çekici hale geldi.

Bu geçiş, silisyum karbür talebini artırmaya yardımcı oldu.

Yapay zeka veri merkezleri şimdi kavramsal olarak benzer bir sorunla karşı karşıya olabilir, ancak tamamen farklı bir ölçekte.

Raf gücü yükseldikçe, veri merkezi tasarımcıları da şunları istiyor:

• daha yüksek dağıtım voltajı;
• daha düşük akım;
• azaltılmış elektriksel kayıplar;
• daha yüksek güç yoğunluğu;
• ve daha verimli dönüşüm.

Benzerlik, yapay zeka veri merkezlerinin elektrikli araçlarla tam olarak aynı güç elektroniğini kullanacağı anlamına gelmez.

Kullanmayacaklar.

Ancak temel mühendislik baskısı tanıdık:

güç dramatik bir şekilde arttığında, verimlilik daha değerli hale gelir.

Bu, SiC'nin tarihsel olarak pazar payı kazandığı ortamdır.

Bir Megawatt Raf Ekonomiyi Değiştirir

Geleneksel sunucu rafları bir zamanlar nispeten mütevazı kilowatt aralıklarında ölçülüyordu.

Yapay zeka altyapısı, endüstriyi çok daha aşırı güç yoğunluklarına doğru itiyor.

2026'daki endüstri tartışmaları, zaten MW sınıfı yapay zeka raflarını ve hatta GW ölçekli yapay zeka veri merkezi kampüslerini ele alıyor; burada güç teslimi ve soğutma, hesaplama donanımıyla birlikte tasarlanmalı veya sonradan eklenmelidir.

Bu, yarı iletken seçiminin ekonomisini değiştirir.

Bir dönüştürücünün çok yüksek güçte sürekli çalıştığını varsayalım.

Verimlilikteki küçük bir iyileşme, sistemden geçen toplam enerjinin yalnızca küçük bir kesrini tasarruf edebilir.

Ancak sistem çalıştığında:

Günde 24 saat × Yılda 365 gün × birçok yıl

bu küçük yüzde, ekonomik olarak önemli hale gelebilir.

Ve dönüştürücüde kaybolmayan her watt, istenmeyen ısıya dönüşmeyen bir watt'tır.

Büyük ölçekte, yarı iletken verimliliği bu nedenle şunları etkiler:

elektrik maliyeti + soğutma yükü + ekipman boyutu + altyapı kapasitesi.

Bu nedenle daha pahalı bir güç cihazının bazen daha ucuz bir genel sisteme yol açabilmesinin nedeni budur.

SiC'nin elektrikli araçlarda ivme kazanmasına yardımcı olan aynı sistem düzeyindeki ekonomi, yapay zeka altyapısında giderek daha önemli hale gelebilir.

Yapay Zeka Güç Talebi Yoğunlaşmıştır ve Bu Başka Bir Sorun Yaratır

Küresel veri merkezi elektrik tüketimi, toplam küresel elektrik kullanımına kıyasla hala nispeten mütevazıdır.

Ancak veri merkezi talebinin bir olağandışı özelliği var: coğrafi olarak oldukça yoğunlaşmıştır.

IEA, veri merkezlerinin talebi eşit olarak dağıtmak yerine belirli konumlarda kümelenme eğiliminde oldukları için özellikle zorlu şebeke entegrasyon sorunları yaratabileceğini belirtiyor.

Bu nedenle büyük bir yapay zeka kampüsü tek bir konumda muazzam miktarda güç gerektirebilir.

Bu şunlar için ek talep yaratır:

trafo merkezleri;

• transformatörler;
• enerji depolama;
• soğutma ekipmanları;
• güç kalitesi ekipmanları;
• DC dağıtımı;
• yenilenebilir enerji entegrasyonu;
• ve yüksek kapasiteli güç dönüşümü.
• Bu, olası SiC fırsatını veri merkezi binasının ötesine genişletir.

Yapay zeka, bilişim altyapısını çevreleyen tüm elektrik ekosisteminde SiC talebini uyarabilir.

İkinci Altın Pazar Aslında "Veri Merkezleri"nden Daha Büyük Olabilir

Hikayenin daha ilginç hale geldiği yer burasıdır.

Yeni pazar şu şekilde tanımlanmamalıdır:

Yapay zeka sunucuları için SiC.

Daha iyi bir tanım şunlar olabilir:

Yapay zeka enerji altyapısı için SiC.

Aşağıdaki bileşenleri içeren gelecekteki bir yapay zeka kampüsünü düşünün:

Şebeke

↓

Yapay Zeka Bilişim Rafları

↓

Yapay Zeka Bilişim Rafları

↓

Yapay Zeka Bilişim Rafları

↓

Yapay Zeka Bilişim Rafları

↓

Yapay Zeka Bilişim Rafları

↓

Yapay Zeka Bilişim Rafları

Silisyum karbür, bu zincirin birkaç farklı bölümünde potansiyel olarak yer alabilir.

Yarı iletkenin, yapay zeka büyümesinden yararlanmak için her sunucunun içinde bulunması gerekmez.

Yapay zeka, yüksek voltajlı dönüştürücüler, invertörler, enerji depolama sistemleri ve güç dağıtım altyapısından daha fazla elektrik geçişine neden olursa, toplam adreslenebilir SiC pazarı dolaylı olarak büyüyebilir.

Bu, elektrikli araç pazarından temelde farklıdır.

Bir EV tipik olarak nispeten tanımlanmış sayıda büyük güç dönüştürme sistemi içerir.

Bir yapay zeka kampüsü, tüm bir elektrik altyapısı projesidir.

Enerji Depolama Yapay Zeka ile Yakından Bağlantılı Olabilir

Yapay zeka veri merkezleri ayrıca güvenilir güç gerektirir.

Kesintiler büyük bilişim iş yüklerini bozabilir ve operasyonel sorunlara neden olabilir.

Bu nedenle pil enerji depolama ve yedekleme sistemleri, veri merkezi tasarımının giderek daha önemli bileşenleri haline geliyor.

Bu, SiC için başka bir yol yaratır.

Pil sistemleri çift yönlü güç dönüşümü gerektirir:

Şarj sırasında Şebeke / DC Veriyolu → Pil

ve

Boşalma sırasında Pil → DC Veriyolu

Bu nedenle yüksek güçlü depolama sistemleri, büyük akımları ve yüksek voltajları verimli bir şekilde işleyebilen dönüştürücülere ihtiyaç duyar.

Yapay zeka kampüsleri büyüdükçe, pil yedekleme sistemleri kendileri büyük güç elektroniği kurulumları haline gelebilir.

Sonuç, pekiştirici bir döngüdür:

Yapay zeka büyümesi → daha yüksek elektrik talebi → daha fazla enerji depolama → daha fazla güç dönüşümü → yüksek verimli güç yarı iletkenleri için daha fazla fırsat.

Şebeke Hatta Daha Büyük Bir SiC Fırsatı Olabilir

Veri merkezleri, yeterli şebeke altyapısı olmadan sınırsız genişleyemez.

Elektrik üretimi zorluğun yalnızca bir parçasıdır.

Güç aynı zamanda iletilmeli, dönüştürülmeli, dönüştürülmeli ve dağıtılmalıdır.

Gelecekteki şebeke sistemleri şunların daha fazla kullanımını gerektirebilir:

esnek güç dönüşümü;

• orta voltajlı dönüştürücüler;
• yenilenebilir enerji invertörleri;
• pil depolama dönüştürücüleri;
• güç kalitesi ekipmanları;
• DC dağıtımı;
• ve potansiyel olarak katı hal transformatör teknolojileri.
• Geniş bant aralıklı cihazlar, tam olarak bu tür gelişmiş güç elektroniği mimarileri için araştırılmaktadır. ABD Enerji Bakanlığı'nın stratejik çerçevesi, WBG cihazlarının önemli ölçüde daha yüksek anahtarlama frekansları ve daha güç yoğun dönüştürücü tasarımları sağlayabileceğini belirtiyor, ancak güvenilirlik, pasif bileşenler ve sistem düzeyinde mühendislik önemli zorluklar olmaya devam ediyor.

Yani yapay zeka-SiC bağlantısı şunlardan uzanabilir:

Şebeke → Veri Merkezi → Raf

sadece şunlardan ziyade:

Güç Kaynağı → Sunucu

Bu çok daha büyük bir pazar konseptidir.

Bu, SiC Yonga Endüstrisi İçin Ne Anlama Gelebilir?

İçin

SiC alt tabaka tedarikçileri, yapay zeka altyapısının ortaya çıkması önemlidir çünkü otomotiv güç elektroniği dışındaki talebi çeşitlendirebilir.Temel cihaz gereksinimleri değişebilir, ancak birçok yüksek voltajlı dikey güç cihazı, iletken 4H-SiC alt tabakaları kullanılarak ve ardından epitaksiyel büyüme ile üretilir.

Yüksek güçlü dönüşüm talebi önemli ölçüde artarsa, cihaz üreticileri daha büyük hacimlerde tutarlı SiC malzemesine ihtiyaç duyabilir.

Bu, yonga ekonomisini tekrar odak noktasına getirir.

Büyük ölçekli güç cihazı üretimi için alıcılar, bir yonganın üretilip üretilemeyeceğinden daha fazlasını giderek daha fazla önemser.

Onlar şunları önemser:

kusur yoğunluğu;

• direnç tutarlılığı;
• kristal oryantasyonu;
• yonga kalınlığı;
• TTV;
• yay;
• çarpılma;
• yüzey pürüzlülüğü;
• parlatma hasarı;
• parçacık kirliliği;
• ve parti-parti tekrarlanabilirlik.
• Nedeni basit.

Yapay zeka altyapısı, düşük cihaz verimi üreten pahalı yongaları ödüllendirmeyecektir.

SiC'nin büyük hacimli bir veri merkezi malzemesi haline gelmesi gerekiyorsa, üretim ekonomisinin iyileşmeye devam etmesi gerekir.

200mm SiC Giderek Daha Önemli Hale Gelebilir

Bu aynı zamanda 150 mm'den 200 mm'ye SiC geçişinin neden önemli olduğunu da gösteriyor.

200 mm'lik bir yonga, 150 mm'lik bir yonganın geometrik alanının yaklaşık 1,78 katıdır.

Prensipte, bu, her yonga üretim döngüsü sırasında önemli ölçüde daha fazla cihazın işlenmesine izin verir.

Ancak fayda yalnızca şu durumlarda mevcuttur:

kristal kalitesi kabul edilebilir kalırsa;

• yonga geometrisi kontrol edilirse;
• epitaksiyel tekdüzelik yeterliyse;
• ve cihaz verimi yüksek kalırsa.
• Yapay zeka altyapısı, SiC cihazları için başka bir yüksek hacimli pazar yaratırsa, üretimin daha fazlasını 200 mm platformlarına doğru kaydırma ekonomik teşvikini güçlendirebilir.

Daha yüksek hacim şunları teşvik eder:

daha büyük yongalar → daha fazla otomasyon → daha yüksek ekipman kullanımı → daha düşük cihaz maliyeti.

Bu süreç, sonunda SiC'yi daha da fazla uygulamada rekabetçi hale getirmeye yardımcı olabilir.

Maliyet, Yapay Zekanın Gerçek Bir SiC Altın Pazarı Olup Olmayacağını Belirleyecek

Teknik uygunluk tek başına kitlesel benimsenmeyi garanti etmez.

Silikon, güç elektroniğinde derinlemesine yerleşiktir.

Diğer geniş bant aralıklı teknolojiler de belirli güç dönüştürme aşamalarında rekabet eder.

Bu nedenle, SiC maliyetini sistem düzeyinde haklı çıkarmalıdır.

Bir yapay zeka veri merkezi tasarımcısı, yalnızca çekici malzeme özelliklerine sahip olduğu için SiC'yi seçme olasılığı düşüktür.

Gerçek hesaplama daha pratiktir:

Ek yarı iletken maliyeti, toplam elektrik kayıplarını, soğutma gereksinimlerini, dönüştürücü boyutunu veya altyapı maliyetini, daha iyi bir toplam sistem oluşturacak kadar azaltıyor mu?

Küçük güç seviyelerinde, cevap bazen hayır olabilir.

Son derece yüksek güç seviyelerinde, denklem çok daha ilginç hale gelir.

Bu nedenle yapay zeka altyapısı özellikle önemli olabilir.

Yapay zeka, SiC endüstrisinin yonga ve cihaz maliyetlerini düşürmeye çalıştığı tam zamanda güç yoğunluğunu yukarı doğru itiyor.

Bu iki eğilim birbiriyle karşılaşabilir.

Yapay Zeka, SiC Endüstrisinin Otomotiv Talebine Bağımlılığını Azaltmaya Yardımcı Olabilir

Sağlıklı bir yarı iletken pazarı genellikle birden fazla büyük son pazara sahip olmaktan fayda sağlar.

Tek bir endüstriye ağır bağımlılık risk oluşturur.

Yıllardır, SiC yatırımı büyük ölçüde elektrikli araç beklentilerinden etkilenmiştir.

Ancak otomotiv talebi şunlarla dalgalanabilir:

tüketici talebi;

• araç fiyatlandırması;
• devlet teşvikleri;
• şarj altyapısı;
• envanter döngüleri;
• ve bölgesel ekonomik koşullar.
• Yapay zeka altyapısı farklı bir talep döngüsünü takip eder.

Enerji depolama başka birini takip eder.

Güç şebekesi yatırımı başka birini takip eder.

Yenilenebilir enerji başka birini takip eder.

Tüm bu sektörler giderek daha fazla SiC güç elektroniği kullanırsa, SiC tedarik zinciri tek bir uygulamaya olan bağımlılığını azaltır.

Bu, nihayetinde yapay zeka büyümesinin en önemli sonuçlarından biri olabilir.

Yapay zeka pazarının elektrikli araçları "değiştirmesi" gerekmez.

Yalnızca ikinci önemli bir talep kaynağı haline gelmesi gerekir.

"Araç Başına SiC"den "Megawatt Başına SiC"ye

Endüstrinin silisyum karbür talebini düşünme şekli nihayetinde değişebilir.

Otomotiv SiC talebi genellikle kavramsal olarak şöyle anlaşılır:

araç sayısı × araç başına yarı iletken içeriği

Yapay zeka altyapısı farklı bir model sunar:

kurulu bilişim gücü × megawatt başına elektrik altyapısı

Bu önemli bir değişimdir.

Bir yapay zeka kampüsü, yalnızca bilişim rafları için değil, aynı zamanda şunlar için de güç elektroniği gerektirebilir:

şebeke arayüzleri;

• yedek sistemler;
• enerji depolama;
• soğutma ekipmanları;
• yüksek voltajlı dağıtım;
• yenilenebilir enerji sistemleri;
• ve şebeke desteği.
• Tek bir makinede kaç tane SiC cihazı olduğuna bakmak yerine, endüstri giderek şunları sorabilir:

Bir megawatt güvenilir yapay zeka bilişim kapasitesi sağlamak için ne kadar SiC güç elektroniği gerekiyor?

Bu, yeni nesil SiC pazar analizi için önemli bir ölçüt olabilir.

Gerçek Yarış "Şebekeden Yapay Zeka Çipine"dir

Yarı iletken endüstrisi, yapay zeka işlemcilerinin performansını artırmak için yıllarını harcadı.

Bir sonraki zorluk, bu işlemcilere yeterli elektrik sağlamaktır.

Bu tamamen farklı bir teknoloji yarışı yaratıyor:

Şebeke → Dönüşüm → Depolama → Dağıtım → Raf → İşlemci

Her aşama şunları olmalıdır:

daha verimli;

• daha kompakt;
• daha güvenilir;
• ve daha yüksek güçleri işleyebilen.
• Silisyum karbür her aşamada hakim olmayacak.

Gerekmiyor.

En yüksek voltajlı ve en yüksek güçlü dönüştürme aşamalarından birkaçında tercih edilen yarı iletken haline gelirse, yapay zeka altyapısı önemli bir uzun vadeli talep kaynağı haline gelebilir.

Bu nedenle yapay zeka patlaması SiC endüstrisinden dikkat çekmeyi hak ediyor.

Sonuç: Elektrikli Araçlar İlk SiC Patlamasını Yarattı. Yapay Zeka İkinciyi Yaratmaya Yardımcı Olabilir.

Elektrikli araçlar, silisyum karbürün niş endüstriyel uygulamaların ötesine geçebileceğini ve yüksek hacimli bir yarı iletken teknolojisi haline gelebileceğini gösterdi.

Yapay zeka bir sonraki fırsatı yaratabilir.

Nedeni sadece yapay zeka sunucularının elektrik tüketmesi değil.

Gerçek fırsat, bu elektrik talebinin ölçeği, yoğunluğu ve güç yoğunluğundan kaynaklanmaktadır.

Küresel veri merkezi elektrik tüketiminin 2030 yılına kadar kabaca iki katına çıkması bekleniyor ve yapay zeka güdümlü hızlandırılmış bilişim, artışın büyük bir payından sorumlu.

Aynı zamanda, endüstri zaten 800V DC dağıtımını, megawatt sınıfı rafları ve gigawatt ölçekli yapay zeka altyapısını tartışıyor.

Bu gelişmeler şunların değerini artırıyor:

yüksek voltaj + yüksek verimlilik + yüksek güç yoğunluğu + gelişmiş güç dönüşümü.

Bunlar tam olarak silisyum karbürün ilginç hale geldiği koşullardır.

SiC için ilk altın pazar, araçları daha verimli hareket ettirmek etrafında inşa edildi.

İkincisi, elektriği daha verimli hareket ettirmek etrafında inşa edilebilir.

Ve yapay zeka mevcut hızında genişlemeye devam ederse, silisyum karbür endüstrisi için en önemli soru artık şu olmayabilir:

Kaç elektrikli araç SiC kullanacak?

Şu olabilir:

Dünyanın yapay zeka altyapısını besleyen elektriğin ne kadarı nihayetinde SiC güç cihazlarından geçecek?

Bu soru, silisyum karbür pazarının bir sonraki bölümünü tanımlayabilir.

SSS

Yapay zeka veri merkezleri neden SiC için önemli bir pazar olabilir?

Yapay zeka altyapısı hızla artan miktarda elektrik ve giderek artan yüksek güç yoğunluğu gerektirir. SiC, verimliliğin, termal yönetimin ve güç yoğunluğunun önemli olduğu yüksek voltajlı, yüksek güçlü dönüşüm aşamaları için çekicidir.

Silisyum karbür yapay zeka işlemcilerini üretmek için kullanılır mı?

Genellikle, bu burada tartışılan ana fırsat değildir. SiC'nin ana fırsatı, AC/DC dönüştürücüler, UPS sistemleri, pil depolama, yüksek voltajlı DC dönüşümü ve şebeke altyapısı dahil olmak üzere yapay zeka bilişimini çevreleyen güç elektroniğindedir.

Gelecekteki yapay zeka veri merkezleri için 800V DC neden önemlidir?

Daha yüksek dağıtım voltajı, aynı miktarda gücün daha düşük akımda iletilmesini sağlar, iletken kayıplarını azaltmaya yardımcı olur ve daha yüksek raf güç yoğunluğunu destekler. 2026'daki endüstri tartışmaları, yeni nesil MW sınıfı yapay zeka rafları için zaten 800V DC mimarilerini araştırıyor.

Yapay zeka, 4H-SiC yongalarına olan talebi artırabilir mi?

Potansiyel olarak. Yapay zeka altyapısı, yüksek voltajlı SiC güç cihazlarına olan talebi artırırsa, bu cihazları üretmek için kullanılan iletken 4H-SiC alt tabakalarına ve epitaksiyel yongalara olan talebi dolaylı olarak artırabilir.

Yapay zeka, elektrikli araçların ana SiC pazarı olmasının yerini alacak mı?

Bu henüz belirlenmedi ve varsayılmamalıdır. Daha gerçekçi bir senaryo, yapay zeka altyapısının ek bir büyük uygulama haline gelmesi ve SiC endüstrisinin otomotiv talebine olan bağımlılığını azaltmasıdır.

Yüksek güçlü cihaz üretimi için hangi SiC yonga parametreleri önemlidir?

Pratik bir RFQ, yonga çapı, politipi, iletkenlik tipi, direnç, kristal oryantasyonu, eksen dışı açı, kalınlık, TTV, yay, çarpılma, kusur gereksinimleri, yüzey pürüzlülüğü, kenar durumu, parlatma kalitesi ve parti-parti tutarlılığını içerebilir.